AI 코딩 도구 도입 후 베테랑 엔지니어를 줄였던 미국 기업들이 재고용에 나서는 이유를 분석한다. 레거시 시스템 판단, 보안 검토, 장애 대응 같은 경험 의존 역할에서 AI의 한계가 드러나고 있으며, 시니어 아키텍트·SRE·보안 엔지니어 수요가 다시 살아나고 있다. 개발자 커리어 관점에서 AI 시대 포지셔닝 전략과 AI 출력물 검토·판단 역량을 키우는 방향을 제시한다. 클로드 코드, 깃허브 코파일럿, 에이전틱 AI 도입 이후 양극화되는 개발자 시장을 커리어 전략으로 돌파하는 법.
2024~2025년, "AI가 생산성을 높여줄 것"이라는 기대 아래 베테랑 엔지니어를 줄이는 기업들이 늘었다. 구글, 마이크로소프트, 메타 등 대형 테크 기업부터 중소 스타트업까지, AI 도구 도입을 이유로 헤드카운트를 줄이는 것이 합리적인 결정처럼 여겨졌다.
그런데 1~2년이 지난 지금, 미국 IT 업계 일부에서는 "그 결정을 후회하고 있다"는 목소리가 나오기 시작했다. 단순한 감성적 반응이 아니다 — AI가 처리하지 못하는 특정 영역에서 경험 많은 엔지니어의 공백이 실제 비용으로 돌아오고 있다. 이 글에서는 왜 이 현상이 생겼는지, 어떤 직군에서 재고용이 일어나는지, 그리고 개발자 커리어 관점에서 무엇을 준비해야 하는지 분석한다.
2023~2025년 미국 대형 테크 기업들은 AI 도입을 이유로 대규모 감원을 단행했다. 일부 기업들은 AI 코딩 도구가 개발자 1명을 2~3명 수준으로 끌어올리기 때문에 인원을 줄여도 생산성을 유지할 수 있다고 내부적으로 설명했다.
실제로 클로드 코드(Claude Code)나 깃허브 코파일럿(GitHub Copilot) 도입 후 코드 생성 속도는 눈에 띄게 빨라진 것은 사실이다. 반복적인 보일러플레이트 코드 작성, 단순 버그 수정, API 연동 구현 같은 작업에서 체감 속도가 크게 향상됐다.
그러나 "속도가 빨라진다"는 것과 "경험과 맥락을 대체한다"는 것은 완전히 다른 이야기다. 1~2년이 흐른 지금, 일부 기업에서는 이 구분을 뒤늦게 체감하고 있다. 코드 생성은 빨라졌지만, 그 코드가 실제로 안전한지·시스템 전체에 어떤 영향을 미치는지를 판단할 사람이 없어진 것이다.
AI가 잘하는 것과 못하는 것의 경계가 점점 뚜렷해지고 있다. 다음 영역에서 경험 많은 엔지니어의 부재가 체감되기 시작했다:
AI 도입 이후 코드 생성 속도 같은 측정 가능한 지표는 개선됐지만, 수치화되지 않는 경험 의존 업무에서 공백이 발생했다. 재고용 흐름은 이 공백을 메우려는 움직임이다.
모든 직군이 재고용되는 것은 아니다. 특히 아래 역할에서 경험 있는 엔지니어 수요가 다시 살아나고 있다:
이 흐름이 시사하는 것은 하나다: AI 도구를 활용할 줄 아는 경험 많은 엔지니어의 가치는 오히려 올라간다. 반면, AI가 잘하는 반복 업무만 수행해온 포지션은 경쟁이 치열해지고 있다.
커리어 전략 관점에서 고려할 만한 방향:
이직이나 연봉 협상에서 "AI 도구를 사용해 생산성을 향상시킨 구체적 경험"과 "AI 출력물을 검토하고 아키텍처를 결정한 경험"을 명시적으로 서술하는 것이 효과적이다.
베테랑 재고용 흐름이 "AI 대체론이 틀렸다"는 의미는 아니다. 오히려 AI 도입 이후 개발자 시장의 양극화가 가속되는 신호로 읽힌다.
기업 입장에서 이상적인 팀 구성이 바뀌고 있다 — 주니어 10명보다 시니어 3명과 AI 도구의 조합이 비용 대비 효율적인 상황이 늘고 있다. 이 방정식에서 중간 수준의 역할(주니어도 시니어도 아닌 미드레벨)이 가장 위험에 처할 수 있다.
지금이 "AI 도구를 쓸 줄 아는 시니어"로 포지셔닝할 가장 빠른 시기다. AI 도구 활용 경험을 쌓고, 그 경험을 아키텍처·판단·리뷰 역량과 결합하는 방향으로 커리어를 설계하는 것이 현 시점에서 가장 현실적인 전략이다.
아닙니다. 재고용 흐름은 특정 시니어 포지션에 국한됩니다. 주니어 반복 구현 역할이나 표준 API 개발 역할에서는 AI 대체가 이미 상당 부분 진행됐고, 이 흐름이 반전될 가능성은 낮습니다. 재고용이 일어나는 것은 아키텍처 결정, 보안 검토, 레거시 시스템 판단 같은 경험 의존 역할에 집중됩니다.
아직 정확한 통계가 나오지 않았지만, 채용 시장에서 "AI 코딩 도구 실사용 경험"을 명시적으로 요구하는 직무 기술서가 2025년 이후 눈에 띄게 늘고 있습니다. 같은 연차라면 AI 활용 이력이 연봉 협상에서 유리하게 작용하는 사례가 나오기 시작했고, 특히 에이전틱 파이프라인을 프로덕션에서 운영한 경험은 희소성이 높습니다.
두 가지 방향을 동시에 추구하는 것이 현실적입니다. 첫째, AI 도구를 코딩에 적극 활용해 생산성을 증명할 수 있는 이력을 쌓는 것. 둘째, AI가 잘 못하는 영역 — 보안, 시스템 아키텍처, 특정 도메인 지식 — 중 하나를 깊게 파고드는 것입니다. 단순히 "코드를 생성한다"는 경쟁에서 벗어나 "AI 출력을 판단하는 역할"로 빠르게 이동하는 것이 핵심입니다.
완전히 안전한 도메인은 없지만, 규제와 책임이 강한 영역에서 경험 의존도가 높게 유지됩니다. 의료 소프트웨어, 금융 시스템, 공공·국방 인프라처럼 오류의 결과가 심각한 도메인에서는 AI 출력에 대한 인간 검증이 법적으로 요구되거나 실질적으로 필수입니다. 이런 도메인에서 깊은 경험을 가진 엔지니어의 수요는 AI 도입과 무관하게 안정적으로 유지될 가능성이 높습니다.
미국 빅테크처럼 대규모 AI 기반 감원이 선행되지 않았기 때문에, 같은 형태의 재고용 현상이 동일하게 나타나기는 어렵습니다. 다만, 경험 많은 시니어 엔지니어의 수요가 줄지 않는다는 흐름은 동일합니다. AI 도구 도입을 주도하고 그 결과를 검증할 수 있는 시니어 포지션의 가치는 국내에서도 높게 유지되고 있습니다.
불안은 자연스럽지만, 구체적인 대응으로 전환하는 것이 중요합니다. AI가 대체하는 역할(반복 구현, 표준 패턴 작성)은 점차 줄어들 수 있지만, AI 도구를 활용해 더 어려운 문제를 해결하는 역할은 늘어납니다. 지금 당장 할 수 있는 것: 클로드 코드나 커서(Cursor) 같은 도구를 실제 프로젝트에 적극 도입하고, 그 경험을 이력서에 기록하고, 시스템 설계나 보안 같은 AI가 약한 영역을 하나 선택해 깊이를 쌓는 것입니다.
